“双碳”目标背景下农业碳减排的实现路径——基于数字普惠金融之验证

程秋旺 许安心 陈 钦

[提要]依托数字普惠金融实现农业“双碳”目标是可行的数字化路径。利用2011-2019年中国30个省份的面板数据，验证数字普惠金融能否担起农业碳减排“重任”。结果表明：数字普惠金融发展降低了农业碳排放强度，具有农业碳减排效应；运用解释变量替代法、面板分位数回归和工具变量法进行估计后，结果依然稳健。数字普惠金融的农业碳减排效应可通过农民创业效应和农业技术进步效应实现，而城镇化发展水平对数字普惠金融的农业碳减排效应具有正向调节作用。数字普惠金融覆盖广度、使用深度和数字化程度均具有农业碳减排效应，但效应大小存在差异；相较于“胡焕庸线”以西地区，该线以东地区数字普惠金融具有农业碳减排效应，侧面反映数字普惠金融的农业碳减排效应还未突破“胡焕庸线”；与粮食主产区相比，数字普惠金融在非粮食主产区的农业碳减排效应更显著。

一、问题的提出

宏观经济增速放缓已成不争事实，[1]隐藏于经济快速增长下的农业污染排放正随经济“掩饰”能力减弱而集中爆发。[2]在资源环境约束日益趋紧下，高污染、高耗能、低效率的粗放型农业生产方式已不适应新的经济增长态势，亟需尽快调整，尤其在推动农业温室气体减排方面更为迫切。农业既是全球重要的温室气体排放源，又是一个巨大的碳汇系统。[3]农业生产排放的碳是农业生产活动不可或缺的要素，也是造成气候变化、资源消耗和环境损害的“元凶”之一。[4]中国是全球最大的温室气体排放国，中国在国际场合多次提出自主减排承诺，2020年9月22日，习近平主席在第七十五届联合国大会一般性辩论上宣布，“二氧化碳排放力争2030年前达到峰值，努力争取2060年前实现碳中和”。中国宣布“碳达峰”和“碳中和”目标(以下简称“双碳”目标)的这一行为，意味着中国能源资源乃至整个经济运行方式将发生重大改变。2021年10月24日，中共中央、国务院发布《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》，明确提出要“加快推进农业绿色发展，促进农业固碳增效”，而实现农业固碳增效实际上就是要减少农业碳排放。

农业生产对资源环境的高度依赖性，决定资源利用与效率提升是农业经济增长的重要诱因，低效的资源利用和农业生产方式则是资源滥用和农业碳排放的直接诱因。[5]随着数字经济深入发展，依托云计算、大数据、人工智能等金融科技底层技术，将数字技术与“双碳”目标有机融合，用数字化路径实现农业“双碳”目标和农业绿色转型成为可能。2021年10月26日，国务院发布《2030年前碳达峰行动方案》，明确金融在实现碳达峰行动中的保障作用。但是，未来30年间，为实现“双碳”目标，投资规模预计超过100万亿元。[6]巨量投资引致的资金缺口问题，政府财政仅能支持一小部分，社会资本介入将成为主要力量，以金融科技底层技术为基础的数字普惠金融在实现农业“双碳”目标上具有优势。在数字经济时代，依托先进数字技术与金融普惠价值的相互融合，对传统金融行业造成颠覆性冲击，成为金融行业新的风向标。[7]数字普惠金融的发展，拓宽传统金融覆盖面，有效促进偏远地区和弱势群体金融可获得性，使金融服务具有更强地理穿透性，有效缓解农民融资难、融资贵问题，对农业农村现代化具有重要作用。那么，数字普惠金融能否成为实现农业“双碳”目标的重要工具？为此，研究尝试利用2011-2019年中国30个省份面板数据，验证数字普惠金融是否存在农业碳减排效应，以及数字普惠金融如何实现农业碳减排。

研究边际贡献在于：第一，现有研究未见将数字普惠金融与农业碳排放置于同一分析框架中，本研究首次验证数字普惠金融具有农业碳减排效应，表明数字普惠金融能够担负农业碳减排“重任”；第二，验证了数字普惠金融的农业碳减排效应可通过农民创业效应和农业技术进步效应实现；第三，验证了城镇化发展水平对数字普惠金融的农业碳减排效应具有增强作用。

二、文献回顾与研究假说

(一)文献回顾

1.“碳增”还是“碳减”：金融发展的“碳排放之争”

经济持续增长不仅促进产业结构合理化和高级化，其引致的行业资金需求热度也急剧升温，金融业得以迅速崛起和裂变发展。但是，经济持续增长也让中国陷入“环境库兹涅茨倒U型曲线”中，高污染、高能耗的粗放经济增长模式不可避免带来碳排放增加。围绕如何减少碳排放这一议题，学者开始探讨碳排放量的计算、影响因素等问题，并逐渐关注到金融与碳排放的关系。归纳起来，金融发展对碳排放影响存在两面性。一方面，金融发展能够通过节能减排技术创新等手段降低碳排放，[8][9]如Tamazian et al.(2009)研究发现，金融发展可通过技术进步推动资源有效利用而减少碳排放；[10]严成樑等(2016)认为金融发展水平越高，技术水平也越高，可以降低二氧化碳排放强度；[11]叶初升等(2019)指出，金融结构通过影响创新促进碳减排，市场型金融结构有助于增强创新减排机制，从而降低碳排放强度；[12]何运信等(2020)也证明金融发展可通过推动技术进步和产业结构升级降低碳排放强度。[13]另一方面，也有学者认为金融发展与碳排放之间并不存在相关关系，[14]甚至认为金融发展将显著增加碳排放，[15]陈亮等(2020)认为金融发展并不能有效减少碳排放，在一定程度上也会抑制企业技术进步；[16]陈向阳(2020)指出我国银行主导的金融结构对二氧化碳排放产生多重负面效应，银行主导金融结构显著增加各区域二氧化碳排放量。[17]由此可见，对于金融发展与碳排放的关系的认识存在分歧，可能是由经济发展不均衡、长短期效应差异、金融发展测度指标不同等引致的结果。[18]

2.突破性创新：数字普惠金融在乡村振兴中的“全面表现”

“普惠金融”概念最早由联合国在“2005国际小额信贷年”推广中首次提出，目标是解决全球性贫富差距、失衡性金融资源配置等问题。[19]“普惠金融”引入中国后受到重视的本质原因在于其为缓解城乡金融发展不均衡、解决“三农”问题等方面提供一个新手段。[20]但传统金融普遍存在“金融排斥”，贫困和弱势群体难以通过正规渠道获得金融服务，[21]在交通不便、信息闭塞的农村更是如此，农村金融市场“长尾”窘境十分明显。为此，国家出台《推进普惠金融发展规划(2016-2020年)》，明确提出“发挥互联网促进普惠金融发展的有益作用，引导其缓解小微企业、农户和各类低收入人群融资难问题”。随着农村互联网基础设施完善和金融科技底层技术应用，数字普惠金融有助于农村摆脱“长尾”窘境，在金融助力乡村振兴背景下，学者研究逐渐转向数字普惠金融对农业农村现代化影响上，关注数字普惠金融的农村减贫、区域经济增长和绿色生态效应方面。

首先，数字普惠金融具有农村减贫效应。一方面，数字普惠金融可以改善农村相对贫困。[22]数字普惠金融依托渠道、数据优势，通过降低金融服务成本，提高金融服务效率，扩大金融服务范围，提升金融服务精准度，从而提高农民金融服务可获得性，刺激农民消费，提升农民收入水平，实现农村贫困减缓之目的。[23]另一方面，数字普惠金融能够缩小城乡收入差距。通过提升数字普惠金融覆盖广度和使用深度，创新发展数字普惠金融的基础性功能，可以有效收敛城乡收入差距。[24][25]其次，数字普惠金融具有区域经济增长效应。一方面，数字普惠金融显著提高农民收入水平。数字普惠金融可以有效缓解“金融排斥”，提高金融服务包容性，让贫困和弱势群体也具有支付能力；同时，数字普惠金融突破地理藩篱，为农民提供便捷的金融服务，从而提升农民收入。[26]另一方面，数字普惠金融通过缓释传统金融的地理排斥，为乡村产业融合提供多元金融服务，[27]对产业结构合理化、高级化和产业内部演化趋势具有重要影响。[28]因此，发展数字普惠金融，能够稳定农业生产，促进产业升级，降低收入差距，从而实现乡村全面振兴。[29]最后，数字普惠金融发展还体现出“绿水青山就是金山银山”的生态文明理念，具有绿色生态效应，这种效应集中表现在数字普惠金融对绿色全要素生产率提升上。数字普惠金融通过创新金融产品和服务，有效遏制资源向高污染行业转移，提升资金向绿色部门流动的规模和效率，降低绿色金融产品交易成本，从而提高绿色全要素生产率；[30]同时，数字普惠金融能够缓解要素扭曲问题，并通过推动绿色技术创新和地区创业对绿色全要素生产率产生影响。[31]

综上所述，当前研究多讨论传统金融发展如何影响碳排放的问题，针对数字普惠金融的研究，更多探讨数字普惠金融的农村减贫效应和地区经济增长效应，较少研究绿色生态效应，且主要关注数字普惠金融对绿色全要素生产率的影响，鲜有文献提及数字普惠金融与碳排放的关系。零星的研究中，许钊等(2021)发现数字金融具有污染减排作用，能够显著降低环境污染程度；[7]贺茂斌等(2021)则把碳排放作为数字普惠金融提升全要素生产率的中介机制加以讨论。[32]以上研究均未涉足农业碳排放领域，且还未有文献直接将数字普惠金融与农业碳排放置于同一分析框架中。同时，过度关注工业减排问题，农业碳排放问题关注较少。基于此，本研究聚焦农业领域，正视农业碳排放问题，将数字普惠金融与农业碳排放置于同一分析框架中，探讨数字普惠金融对农业碳排放的直接影响和间接效应，对数字普惠金融如何实现农业“双碳”目标具有重要理论和现实意义。

(二)研究假说

1.直接影响：数字普惠金融的农业碳减排效应

在金融服务乡村振兴背景下，金融科技底层技术不仅提高了普惠金融发展水平，也成为金融在农村地区实现普惠性的可能途径。[33]首先，数字普惠金融发展，为农村搭建起数字普惠金融与环保服务平台，有助于促进农业固碳增效，提高农村资源利用效率，直接降低农业碳排放。随着金融科技底层技术发展，移动支付、网络借贷、手机银行等新型媒介在农村广泛应用，并开始结合环保理念，推出诸如“蚂蚁森林”等环保项目，通过线上虚拟能量收集和植树造林，最终转化为现实中的植树造林项目，直接推动农业绿色发展，促进农业固碳增效；闲鱼、转转等APP平台将闲置资源转换成效益，资源利用得到改善。其次，数字普惠金融发展，为农业碳减排生产方式的选择提供金融支持。传统金融发展常常忽视农村地区和弱势群体的资金需求，导致农民融资难，资金来源渠道单一，农业生产积极性受阻，不利于开展农业减排生产，也不利于农民引进农业新技术、新品种和新理念。长此以往，农业生产过分依赖粗放生产方式，农业污染问题愈发严重。数字普惠金融发展拓宽了农民资金来源渠道，有效缓解农村金融市场“长尾”窘境，农业绿色生产有了资金保障，高效、低碳、绿色的农业经营模式被大量选择，直接减少农业碳排放和促进农业绿色发展。最后，数字普惠金融发展，有效提高农民环保参与积极性。利用数字普惠金融，农民可以便捷开展环境污染投诉、环境治理参与等活动，补齐农民参与环境治理短板，有助于提升农民主人翁意识和社会责任感。基于此，提出假说1：数字普惠金融具有农业碳减排效应。

2.机制与调节效应分析

(1)数字普惠金融的农民创业效应。创业活动本质是创业机会和资源整合的结果，[34]受创业资金强烈约束，资金一旦匮乏，创业机会随之消失，资源整合能力将严重不足，导致创业活动无法开展。长期以来，在传统金融难以到达的偏远地区开展创业活动，往往取决于创业者能否通过社会网络获得民间借贷。[35]因此，解决农民创业资金约束问题，将有助于创业活动开展，部分学者也对数字普惠金融对创业的作用展开探讨。马德功等(2020)发现，数字金融发展有助于创业活动开展，数字金融使用深度和数字化程度能够有效缓解创业资金约束；[36]陶云清等(2021)认为数字金融促进了地区创业，其直接原因在于数字金融促进了家庭创业；[37]农村互联网的普及使得以移动支付、网络购物、手机银行等为主要媒介的数字普惠金融在农村迅速推广，农村金融需求正受数字普惠金融发展的深刻影响；[38]张碧琼等(2021)发现数字普惠金融发展对农村居民创业具有促进作用；[39]数字普惠金融的创业效应也表明，数字普惠金融能够缓解资源错配问题，有效提高资源配置效率。[40]通常，农民开展的创业活动可以是“涉农”的，也可以是“离农”的。通过数字普惠金融的创业效应，一方面，“离农”创业活动资金需求得到满足后，农民农业生产活动频率下降，有益于地区农业碳减排；另一方面，数字普惠金融促使部分农民进行“涉农”创业活动，如开办合作社和小微涉农企业、扩大农业生产规模等，受国家“双碳”目标约束，“涉农”创业在初创时会选择成本资源节约、污染排放少的领域，在后续运营中则会选择低碳低污染的农业生产方式，从而间接促进农业碳减排。基于此，提出假说2：数字普惠金融可以通过农民创业效应实现农业碳减排。

(2)数字普惠金融的农业技术进步效应。技术进步是经济增长的重要因素，也是推动我国经济高质量发展的内在驱动力。随着乡村振兴战略的推进，新技术、新品种和新理念在农村得到迅速推广，农业科技进步贡献率获得提升，技术溢出效应越来越明显，农民农业生产积极性显著提高。新技术应用必然需要资金支持。一方面，政府通过出台财政优惠政策为农民使用新技术提供资金扶持；另一方面，在金融服务乡村振兴背景下，农民可以通过金融科技底层技术获得金融支持。已有研究发现，数字普惠金融能够显著提高技术进步水平和创新能力，如汪亚楠等(2020)[41]、潘爽等(2021)[42]研究指出，数字金融能够促进城市创新。同时，数字普惠金融在推动技术创新时，也能够推动创新成果的转化，促进经济提质增效。[43]刘佳鑫等(2021)发现数字金融发展能够提升区域创新水平，并在具有较大融资约束的阶段和地区拥有更强的创新效应。[44]因此，数字普惠金融对于资金约束较强的农村地区也具有创新效应。受劳动力成本、土地资源制约，未来农业生产将依赖集约化、规模化、机械化经营，[45]在农业绿色发展理念推动下，农民通过应用农业绿色新技术、新品种，有助于节约资源和保护环境，从而减少农业碳排放。基于此，提出假说3：数字普惠金融可以通过农业技术进步效应实现农业碳减排。

(3)城镇化发展水平的调节效应。城镇化与碳排放是当代社会经济发展的两大基本特征，新型城镇化要求土地、人口、经济的协调与全面推进，也要求注重环保和绿色低碳发展。[46]全球气候变暖日趋严峻，降低城镇化进程中碳排放强度已成为实现经济社会可持续发展的重要突破点，尤其在当前中国向世界庄严宣告实现“双碳”目标的紧要时期，去污染、降能耗、减排放的政策工具和实际举措将在新型城镇化进程中持续发挥作用。已有研究发现，城镇化发展使工作、生活、消费的空间距离进一步缩小，交通耗能得以减少，从而降低碳排放量；[47]也有研究指出，城镇化发展水平对碳排放增长速度具有调节作用。[48]新型城镇化不仅完善了数字基础设施，也释放了农业发展潜能，集约、绿色、低碳的农业生产方式将被选择。因此，城镇化不仅推动数字普惠金融发展，也能在发展数字普惠金融的过程中促使农业生产方式转变，降低农业碳排放强度。基于此，提出假说4：城镇化发展水平对数字普惠金融的农业碳减排效应具有正向调节作用。

三、模型、变量和数据

(一)模型设定

1.基准模型

本研究构建数字普惠金融对农业碳排放的直接影响模型。为消除异方差影响，对所有变量取对数形式。模型设定如下：

lnEit=α0+α1lnDFIit+α2lnCONXit+λi+εit

(1)

式(1)中，i为省份；t为时间；Eit为i省第t年的农业碳排放强度；DFIit为i省第t年的数字普惠金融；CONXit表示其他控制变量，包括财政支农水平(FINANit)、交通状况(TRANSit)、产业结构(INDUSit)、种植结构(STRUit)、农业化学品投入强度(CHEMit)、农村教育水平(EDUit)、出口依存度(EXPORTit)等；λi为省份固定效应，εit为随机误差项。根据前文分析，预期α1为负值。

2.中介效应模型

参考温忠麟等(2014)的做法[49]构建中介效应模型，模型设定如下：

lnEit=α0+α1lnDFIit+α2lnCONXit+λi+εit

(2)

lnMit=β0+β1lnDFIit+β2lnCONXit+λi+φit

(3)

lnEit=γ0+γ1lnDFIit+γ2lnMit+γ3lnCONXit+λi+δit

(4)

式(2)～(4)中，Mit为中介变量，包括农民创业效应(ENTREit)、农业技术进步效应(TECHit)；α、β和γ为回归系数，εit、φit和δit为随机误差项。式(2)为总效应模型，式(3)为数字普惠金融的农民创业效应、农业技术进步效应的估计模型，式(4)为同时考虑数字普惠金融和中介机制的估计模型。α1为数字普惠金融对农业碳排放的总效应；β1为数字普惠金融对中介变量的效应；γ1是控制中介变量影响后，数字普惠金融对农业碳排放的直接效应；γ2是控制数字普惠金融影响后，中介机制对农业碳排放的效应。若系数β1和γ2显著，则间接效应显著；进一步检验γ1是否显著，若γ1也显著，则表示部分中介效应显著，中介效应量为β1·γ2/α1(β1·γ2与γ1同号)，否则表示完全中介效应显著。

3.调节效应模型

借鉴方杰等(2015)的研究，[50]构建调节效应模型：

lnEit=α0+α1lnDFIit+α2lnCONXit+α3lnCITYit+α4lnDFIit×lnCITYit+λi+εit

(5)

式(5)中，CITYit为城镇化发展水平，lnDFIit×lnCITYit为数字普惠金融与城镇化发展水平的交互项。由于模型中包含交互项，模型估计结果可能受多重共线性影响发生偏差。为此，本研究对模型(5)的交互项进行中心化处理，得到中心化后的调节效应模型：

(6)

判断调节效应存在与否的方法主要是验证交互项系数的显著性，在本研究中，可通过判断数字普惠金融与城镇化发展水平的交互项系数是否显著来实现。

(二)变量选择

1.被解释变量：农业碳排放强度(E)。在测算各省份农业碳排放强度之前，需要测算各省份农业碳排放量(TC)，本研究主要测算狭义农业(种植业)的碳排放量，依据联合国政府间气候变化专门委员会《2006年国家温室气体清单指南》推荐方法，测算农业生产中农业物资投入引致的碳排放量，碳排放源包括农用化肥、农药、农膜、农用柴油、翻耕和农业灌溉6个方面，测算公式为：

TC=∑Ci=∑Si·ρi

(7)

式(7)中，TC为农业碳排放总量(万吨)，Ci为各类碳源碳排放量，Si为各类碳源数量，ρi为各类碳源碳排放系数。各类碳源碳排放系数如下：农用化肥为0.896 kg·kg-1、农药为4.934 kg·kg-1、农膜为5.180 kg·kg-1、农用柴油为0.593 kg·kg-1、翻耕为312.600 kg·km-2、农业灌溉为20.476 kg·hm-2。[51]

随后，根据农业产值计算农业碳排放强度，公式为：

E=TC/GDP

(8)

式(8)中，E为农业碳排放强度(kg/万元)，GDP为农业产值，且利用农业产值指数将农业产值换算成2011年可比产值。如果农业碳排放强度越大，表明农业碳排放量越高。

2.解释变量：数字普惠金融(DFI)。使用北京大学数字金融中心编制的中国数字普惠金融指数。[52]指数涵盖中国31个省份、337个地级以上城市和约2800个县域数据，包含数字普惠金融总指数1个一级指标和数字普惠金融覆盖广度(BREADTH)、使用深度(DEPTH)、数字化程度(DIGI)等3个二级指标，总体刻画中国数字普惠金融发展状况。本研究使用省级数字普惠金融指数，在实证时既考察数字普惠金融对农业碳排放的影响，同时也考察3个二级指标对农业碳排放影响的异质性。

3.中介变量：(1)农民创业效应(ENTRE)：借鉴齐文浩等(2021)构造的农民创业活跃程度，[53]选取各地区历年农村个体创业人数和农村私营企业人数占乡村就业人员的比例表示。(2)农业技术进步效应(TECH)：借鉴邓鑫等(2019)的研究，[54]使用农业机械化水平表示。农业技术进步类型主要分为“劳动节约型技术”和“土地节约型技术”，劳动节约型技术以农业机械替代劳动力要素为基础，在乡村振兴过程中对农民劳动节约、提质增效、农业发展等方面作用显著。农业机械化水平的度量参考我国农业农村部发布的《主要农作物生产全程机械化示范县评价指标体系(试行)》①，从耕整、播种和收获环节分别计算机械化水平，每个环节对应的计算权重分别为0.4，0.3和0.3，根据各环节机械化水平和权重计算综合农业机械化水平。

4.调节变量：城镇化发展水平(CITY)。使用“城镇化率”表征城镇化发展水平，并采用城镇常住人口数占常住人口总数比例表示。

5.控制变量。根据已有研究，选取以下控制变量：(1)财政支农水平(FINAN)，反映地区政府对农业的重视程度，采用各地区农林水支出占财政总支出比例表示，并利用CPI将该指标换算成2011年可比值。(2)交通状况(TRANS)，使用铁路和公路里程数之和表示。(3)产业结构(INDUS)，使用农业产值占农林牧渔业总产值比重表示，农业产值使用农业产值指数折算，农林牧渔业总产值使用农林牧渔业总产值指数折算。(4)种植结构(STRU)，采用粮食播种面积占农作物播种面积比重表示。(5)农业化学品投入强度(CHEM)，采用化肥用量与农作物播种面积之比表示。(6)人力资本水平(EDU)，使用农村平均受教育年限表示，计算方法是：设定文盲半文盲、小学、初中、高中、大专及以上教育程度的居民平均受教育年数分别为0、6、9、12、16，则EDU的计算公式为：EDU=(小学人数×6+初中人数×9+高中人数×12+大专及以上人数×16)/该地区6岁及6岁以上总人口数。(7)出口依存度(EXPORT)，采用农产品出口总额占第一产业增加值比重表示，农产品出口总额使用CPI折算，第一产业增加值使用第一产业增加值实际增长指数折算。

(三)数据来源

考虑数据可得性问题，本研究所用数据为2011-2019年全国30个省(市)层面数据(不含西藏、台湾、香港、澳门)，数据来源于《中国统计年鉴》《中国农业年鉴》《中国农村统计年鉴》《中国农产品进出口月度统计报告》以及各省历年统计年鉴。各变量描述性结果如表1所示。

表1 各变量描述性结果

四、实证结果与分析

(一)2011-2019年中国各省(市)农业碳排放测算结果及分析

根据公式(7)和(8)，可以测算2011-2019年中国30个省份农业碳排放总量、六种碳源碳排放量和农业碳排放强度，并计算农业碳排放总量和农业碳排放强度的平均值，结果如表2和图1所示。从农业碳排放总量的平均值看，2011-2019年中国各省农业碳排放总量平均值最大的前十位依次是河南、山东、河北、江苏、安徽、湖北、新疆、黑龙江、湖南和四川，总体上以农业大省为主。从六大碳排放源看，农用化肥碳排放量最大，表明农业生产亟需依靠技术创新推动绿色生产技术革新，从而实现农业碳减排之目的。另一方面，从农业碳排放强度看，吉林、云南、内蒙古、安徽、宁夏、甘肃、新疆、浙江、江西等9个省份的碳排放强度超过200 kg/万元，表明每万元农业产值产生的碳排放量较大，在一定程度上反映这些省份在2011-2019年间多以粗放型农业生产方式为主，说明我国亟需加大环保专项资金支持力度，转变农业生产方式。控制农业碳排放需要巨量资金支持，这就为数字普惠金融的发展奠定基础，成为推动农业绿色发展、促进农业固碳增效的有效手段。

表2 2011-2019年中国各省(市)农业碳排放的平均值及农业碳排放强度 单位：万吨

图1 2011-2019年中国各省(市)农业碳排放趋势图

(二)基准回归：数字普惠金融的农业碳减排效应检验

进行回归前，需在混合回归、随机效应和固定效应模型中选择合适模型。针对混合回归和固定效应模型的选择，F检验为51.79，p值为0.000，且通过LSDV法发现多数个体虚拟变量均非常显著(p值为0.000)，故认为存在个体效应，应选择固定效应模型。豪斯曼检验表明，卡方值为81.02，p值为0.000，故强烈拒绝随机效应而选择固定效应模型。

表3报告数字普惠金融的农业碳减排效应回归结果。模型(1)不考虑控制变量，数字普惠金融在1%的水平上显著降低农业碳排放强度，表明数字普惠金融具有农业碳减排效应。模型(2)考虑控制变量，数字普惠金融对农业碳排放强度的负向影响依然显著，数字普惠金融发展水平每提高1%，农业碳排放强度下降6%，表明数字普惠金融的农业碳减排效应显著，假说1得以验证。数字普惠金融依托金融科技底层技术，有效满足农民的金融需求，拓宽农民资金来源渠道，为农民提供一个良好的资金来源平台。当农民获得资金后，一方面可以扩大农业生产规模，实现规模效应，而规模经济的实现则需要农民选择更集约的农业生产方式；另一方面可以利用资金引进新的农业生产技术、品种和理念，提高农业生产效率，绿色低碳的集约型农业生产方式仍被选择，从而有效降低农业碳排放量。此外，数字普惠金融发展在潜移默化中转变农民的生产方式和生产理念，提高农民农业绿色生产参与积极性，实现了经济社会发展与绿色生态和谐统一。

表3 数字普惠金融的农业碳减排效应检验

(三)稳健性检验

1.解释变量替代法：利用数字普惠金融的一阶滞后项(L.lnDFI)和二阶滞后项(L2.lnDFI)作为解释变量进行回归，结果表明，数字普惠金融的一阶和二阶滞后项均对农业碳排放强度产生负向影响，再次验证数字普惠金融具有显著的农业碳减排效应；同时，二阶滞后项相较于一阶滞后项的系数绝对值变大，表明数字普惠金融对农业碳排放的影响可能是长期性的。②

2.面板分位数回归：分位数分别选择0.25、0.5和0.75。结果表明，在不同分位数水平上数字普惠金融对农业碳排放强度仍具有显著负向影响，验证了数字普惠金融具有农业碳减排效应。②

(四)内生性讨论

研究可能面临两个内生性问题：一是遗漏变量问题，由于影响农业碳排放的因素是多方面的，尽管已控制一系列可能因素，但仍不能保证残差项中完全排除其他可能因素。二是反向因果问题，农业碳排放的减少促使农业生产方式更加合理、资源配置更加有效，意味着将“倒逼”相关主体主动筹集和利用资金实现集约化经营和提高资源利用效率，反而促进数字普惠金融发展。为此，本研究对核心解释变量选取工具变量加以缓解，工具变量的选择应满足外生性和相关性要求。第一，选取数字普惠金融一阶、二阶滞后项作为工具变量，评估上年数字普惠金融是否会影响当期农业碳排放。第二，借鉴杨伟明等(2021)的做法，[55]选取“移动电话普及率(单位：部/百人)(PHONE)”作为工具变量，并采用两阶段最小二乘法进行检验。一方面，随着无线通讯终端和移动互联网的发展，打破了传统金融的时空限制，更多的人通过手机等移动设备获得移动支付等金融服务，移动电话成为数字普惠金融发展的重要载体；另一方面，在控制其他宏观因素对农业碳排放影响后，移动电话普及率与农业碳排放之间并未表现出直接联系，使得移动电话普及率成为一个有效工具变量。检验结果如表4所示。利用数字普惠金融的一阶、二阶滞后项作为工具变量后，数字普惠金融在1%的水平上对农业碳排放强度产生显著负向影响；利用“移动电话普及率”作为工具变量后，数字普惠金融的农业碳减排效应仍然显著，再次证明基准回归结果的稳健性。

表4 内生性检验

(五)异质性分析

1.数字普惠金融不同维度视角

研究进一步探讨数字普惠金融3个二级指标是否存在农业碳减排效应，结果如表5所示。数字普惠金融3个维度均对农业碳排放强度产生影响，说明数字普惠金融已表现出显著的农业碳减排效应。覆盖广度提升能够将普惠金融延伸至传统金融难以到达的地区和群体，为农民使用新技术、新品种提供便利，“数字红利”在农村被有效释放；使用深度增加则为农民提供多元化资金筹集渠道，为农民开展集约、绿色、低碳生产提供资金保障；数字化程度提升则增加农民支付便利性，降低金融服务成本，激活资本要素在农村有效流动，激励农民选择集约型农业生产方式，促进农业碳减排。但数字普惠金融不同维度影响系数存在差异，使用深度的农业碳减排效应最强，而数字化程度相对较弱，说明当前我国数字化基础设施建设较为薄弱，还需长期投入和持续完善。

表5 数字普惠金融不同维度农业碳减排效应检验

2.“胡焕庸线”区域划分视角

我国地理区位划分中存在一条“胡焕庸线”，该线将我国划分为东南、西北两大区域，③区域内自然与人文特点、经济发展水平差异显著，体现了中国人口分布和资源环境的地区差异，[56]描绘了中国区域发展不平衡的稳固常态。那么，数字普惠金融的农业碳减排效应是否也遵循“胡焕庸线”的区位差异分布呢？基于上述考虑，本研究以“胡焕庸线”将样本省份划分东南、西北地区。结果发现，在“胡焕庸线”以东地区存在数字普惠金融的农业碳减排效应，而在“胡焕庸线”以西地区效果并不显著，表明数字普惠金融发展仍未触及西北部区位优势不明显、发展水平较低的地区，数字普惠金融对农业碳排放的影响未能撼动这条由自然规律划定的分界线。这些地区又是主要农业碳排放省份，数字普惠金融的农业碳减排效果却不显著，原因主要与当地的数字基础设施不完善、数字产业化和产业数字化程度不高有关。④受传统金融覆盖面窄的制约，要突破“胡焕庸线”，实现农业“双碳”目标，必须在“胡焕庸线”以西地区全面进行“数字赋能”，持续加大数字基础设施建设力度，重点推动产业数字化和数字产业化发展，从时空上改变传统金融约束面，缩小地区数字鸿沟，实现数字普惠金融突破性发展。

3.粮食与非粮食主产区划分视角

保障重要口粮绝对安全，关系国计民生。我国已形成13个粮食主产区，⑤主要以粮食作物种植为主，粮食生产能力强，且土地规模巨大，农业活动频繁，在传统粗放型农业生产模式下易引致粮食主产区农业碳排放总量增加，从2011-2019年农业碳排放平均值看，粮食主产区农业碳排放远高于非粮食主产区。那么，粮食与非粮食主产区数字普惠金融对农业碳排放影响是否存在明显差异？为此，本研究考察两个区域数字普惠金融的农业碳减排效应。结果发现，粮食或非粮食主产区数字普惠金融均具有农业碳减排效应，但这种效果在非粮食主产区更大，主要原因在于粮食主产区农业活动频繁，农业碳排放量远高于非粮食主产区，实现数字普惠金融的农业碳减排效应的阻碍较大，数字基础设施仍需长期投入；同时也意味着在推动数字普惠金融促进碳减排过程中需根据粮食主产区位置、气候、资源、经济、社会等具体条件因地制宜，“双碳”目标的具体实施政策需向粮食主产区倾斜，与数字普惠金融形成互补优势，从而实现农业碳减排。

五、中介机制与调节作用检验

(一)农民创业效应检验

表6模型(9)反映农民创业效应检验结果。结果表明，数字普惠金融具有显著的农民创业效应，即数字普惠金融通过促进农民创业实现农业碳减排，假说2得到验证。此时，农民创业在数字普惠金融与农业碳排放之间起到部分中介作用，中介效应值β1·γ2/α1为10.36%。数字普惠金融以其低成本、广覆盖、互动交流便捷等优势，在移动支付、信息传递、场景转换等方面发挥出比传统金融更强的作用，极大缓解农民融资难、融资贵问题，为农民绿色可持续的创业选择提供金融便利，从而实现农业碳减排。

表6 机制检验结果

(二)农业技术进步效应检验

表6模型(10)反映农业技术进步效应检验结果。结果发现，农业技术进步效应在1%水平上通过检验，数字普惠金融能够通过促进农业技术进步实现农业碳减排，假说3得以验证。此时，农业技术进步在数字普惠金融与农业碳排放之间起到部分中介作用，中介效应值β1·γ2/α1为39.73%。数字普惠金融为农业新技术、品种、理念的形成和发展提供资金保障，充足资金支持能够促使农业技术应用从高污染、高排放的传统型技术转向绿色、低碳的新型技术，从而促进农业技术进步，减少农业碳排放。

(三)进一步讨论：城镇化发展水平的调节作用

表7反映城镇化发展水平调节效应检验结果。由模型(11)可知，数字普惠金融与城镇化发展水平交互项的系数为-0.642，且在1%水平上显著，说明城镇化发展水平在数字普惠金融的农业碳减排效应中发挥显著调节作用。由模型(12)～(13)可知，“胡焕庸线”以东地区数字普惠金融与城镇化发展水平交互项的回归系数为-0.701，且在1%的显著性水平上显著，说明“胡焕庸线”以东地区城镇化发展水平的调节效应显著。整体上看，城镇化发展水平对数字普惠金融的农业碳减排效应具有增强作用，即城镇化发展水平越高，数字普惠金融的农业碳减排效应越大。城镇化推进使农村在转型为城镇过程中，农业活动受到约束，农业碳排放随之减少；同时，城镇化还意味着地区基础设施水平的提升，这为数字普惠金融纵深发展奠定基础。获得资金支持后，有限的农业活动将更注重节能环保、绿色低碳经营，从而减少农业碳排放。

表7 城镇化发展水平的调节效应检验

六、研究结论与政策建议

利用2011-2019年中国30个省份面板数据，构建固定效应模型，验证数字普惠金融是否具有农业碳减排效应。研究发现：(1)数字普惠金融降低了农业碳排放强度，即数字普惠金融具有农业碳减排效应；利用解释变量替代法、面板分位数回归进行稳健性检验，以及利用数字普惠金融一阶、二阶滞后项和“移动电话普及率”作为工具变量进行内生性检验后，数字普惠金融的农业碳减排效应仍然稳健。(2)数字普惠金融的农业碳减排效应可通过农民创业效应和农业技术进步效应实现，而城镇化发展水平对数字普惠金融的农业碳减排效应具有正向调节作用。(3)数字普惠金融覆盖广度、使用深度和数字化程度均具有农业碳减排效应，但效应大小存在差异。(4)相较于“胡焕庸线”以西地区，“胡焕庸线”以东地区数字普惠金融具有农业碳减排效应，侧面反映数字普惠金融的农业碳减排效应未突破“胡焕庸线”。(5)粮食与非粮食主产区数字普惠金融均具有农业碳减排效应，但这种效应在非粮食主产区更为显著。

以金融科技底层技术与金融普惠价值相互融合而成的数字普惠金融，将是实现农业领域“双碳”目标的重要工具。据此，在金融服务乡村振兴背景下，本研究提出以下政策建议：第一，传统金融应创新性地结合数字化技术发展覆盖面更广、普及性更高的数字普惠金融，并且不断地拓宽数字普惠金融的覆盖面，打破地理藩篱，进一步创新数字金融产品和服务，将金融创新和金融普惠性价值与农村碳减排需求有机结合，鼓励金融机构通过创新金融工具，搭建金融与环保服务平台，为农民开展农业碳减排生产、生活与生产污染防治、生态保护等活动提供资金支持，为实现农业领域“双碳”目标提供更好的金融服务。第二，积极发挥数字普惠金融的创业效应，为有意愿开展创业活动的农民提供数字普惠金融服务，尤其为开展与绿色低碳相关的农业生产活动的农民提供专门的金融服务。第三，加大财政资金支持力度，设置农业科研和成果转化应用相关的专项资金，尤其是鼓励开展与绿色低碳技术有关的研发和创新活动，积极推动农业技术进步，提高农业技术创新能力。第四，积极发挥村镇银行作用，以村镇银行为交流平台，打通村镇银行直达农民家庭的“道路”；同时，为更好服务乡村振兴和农民农业生产活动，鼓励金融机构推进营业网点和金融服务下沉，在更多乡镇和城乡接合部开设网点，把信贷支持送到农民家庭中。第五，探索建立诸如消费金融公司等社会资本进入乡村振兴服务队伍的体制机制，借助自由平台助力农户农业碳减排生产活动，发挥各方优势，盘活各类资源，合力推进农业“双碳”目标的实现。

注释：

①农业部办公厅关于印发主要农作物生产全程机械化示范县评价指标体系(试行)和评价办法(试行)的通知：http://www.moa.gov.cn/nybgb/2016/shiyiqi/201711/t20171128_5922519.htm。

②限于篇幅，未报告该部分检验结果，欢迎索取。

③胡焕庸线东南部包括黑龙江、吉林、辽宁、北京、天津、河北、山西、上海、江苏、浙江、福建、安徽、江西、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、云南、贵州、陕西25个省份；胡焕庸线西北部包括内蒙古、甘肃、青海、宁夏、新疆5个省份(本研究西藏除外)。

④根据中国信息通信研究院发布的《中国数字经济发展白皮书(2020年)》显示，胡焕庸线以西地区数字经济规模较低，数字经济规模增速不到10%，数字经济占GDP的比重也在全国各省份排名中处于较低水平。在数字产业化和产业数字化方面，排名末六位的省份分别是内蒙古、山西、新疆、甘肃、宁夏、青海，数字产业化和产业数字化占GDP的比重较低。

⑤粮食主产区：辽宁、河北、山东、吉林、内蒙古、江西、湖南、四川、河南、湖北、江苏、安徽、黑龙江。